[发明专利]一种基于EMD域多维信息的情绪脑电信号识别方法

权利要求书

1.一种基于EMD域多维信息的情绪脑电信号识别方法，其特征在于，包括以下步骤：

步骤1，对脑电信号进行EMD分解，得到不同振荡频率的本征模态函数IMF，情绪脑电信号与高频IMF分量更为相关；EMD分解的具体过程为：

步骤1.1，找出信号x(t)所有的极大值点，并将其用三次样条函数插值成为原数据序列的上包络线v₁(t)；找出信号x(t)所有的极小值点，并将其用三次样条函数插值成为原数据序列的下包络线v₂(t)，并求出其上包络线和下包络线的平均值m₁(t)：

步骤1.2，将原数据序列减去平均包络后即可得到一个去掉低频的新数据序列：

h₁(t)＝x(t)-m₁(t)；

步骤1.3，判断h₁(t)是否为IMF函数，若不满足IMF函数条件，将h₁(t)看作新的x(t)，重复步骤1.1至步骤1.2，直到h₁(t)满足条件时记c₁(t)为imf(1)：

c₁(t)＝h₁(t)；

步骤1.4，令：

r(t)＝x(t)-c₁(t)，

看作新的x(t)，重复步骤1.1至步骤1.3，即可依次得到各阶IMF分量直到满足给定的终止条件时筛选结束；

步骤1.5，原数据序列即由各阶IMF分量以及一个均值或者趋势项r(t)表示，即：

步骤2，对上述本征模态函数提取多维信息，该多维信息包括波形差分、相位差分和归一化能量；对本征模态函数提取多维信息的具体过程为：

(1)、提取波形差分特征D_t

其中IMF{imf₁,imf₂,....,imf_N}为N点序列长度的IMF分量；

(2)、提取相位差分特征D_p

对于N点IMF分量，应用希尔伯特变换，得到解析信号：

z(n)＝x(n)+jy(n)，

解析信号进一步表示如下：

其中，为z(n)的幅度，为瞬时相位，相位差分定义为D_p

D_p衡量相位的变化强度，同时代表瞬时频率的物理意义；

(3)、提取归一化能量E_norm

其中，s(n)为原始脑电信号序列，取log(E_norm)作为特征送入分类器；

步骤3，将提取的多维信息组成一个特征向量，作为不同情绪脑电信号的表征；

步骤4，利用分类器对上述特征向量进行分类，实现对情绪脑电信号的识别。

2.根据权利要求1所述的基于EMD域多维信息的情绪脑电信号识别方法，其特征在于，所述分类器包括KNN分类器和SVM分类器。